كيفية التخفيف من عدم اليقين في سلسلة التوريد؟

How to mitigate uncertainty in the supply chain?

#سلسلة الإمداد اللوجستية

 

يعد عدم اليقين ميزة متأصلة في سلاسل التوريد ، ولا يمكننا القضاء عليها ، لأن مصدر الطلب ، كل مستهلك فردي يفكر بشكل مختلف ، ويتغير من وقت لآخر. إذا كنت ترغب في شرب القهوة اليوم وشرب شاي الحليب غدًا ، فمن الصعب فهم الاحتياجات الفردية بدقة.

ولكن من المثير للاهتمام ، عندما نجمع الطلب معًا ، نجد أن تقلب العينة الكبيرة يتناقص. على سبيل المثال ، عند طلب الشاي بعد الظهر ، فإن عدد الأشخاص في الفريق يريدون شرب القهوة أو شاي الحليب لن يكون بالتأكيد من جانب واحد ، وتقلب الطلب صغير نسبيًا.

عندما نجمع بعضًا من الأشياء نفسها أو المماثلة ، هناك مصطلح خاص في سلسلة التوريد يسمى "تجمع" أو "إجمالي".

على سبيل المثال ، عند إجراء التنبؤات ، قم بدمج نفس المتطلبات. عند حساب السعة ، يتم تجميع قدرة محطة العمل نفسها وحسابها. يمكن أن تقلل هذه الممارسة من التقلب ، واليوم سأركز على هذا الجانب.

1. لماذا التجميع؟

دعنا نستخدم مثالًا لتوضيح ما يجري مع تقلب الطلب. كما ذكر أعلاه ، هناك الكثير من العشوائية في سلوك شراء المستهلك ، مما يخلق التقلب. افتتح Zhang San مقهى ، ومن أجل زيادة سعر الوحدة ، باع المتجر أيضًا الكعك.

كيف يجب أن يخزن؟ هناك الكثير من المشتريات ، ولا يتم بيع الكعك. عندما يتم الوصول إلى مدة الصلاحية ، سيتم التخلص من الكعك وإلقاءه. عمليات شراء أقل ، مخزون غير كاف ، وفقدان المبيعات.

من أجل زيادة التخزين ، قام تشانغ سان بحساب مبيعات الكعك في المتجر خلال العشرين يومًا الماضية. يفتح متجر Zhang San خمسة أيام في الأسبوع ، 20 يومًا في الشهر ، والمبيعات المحددة هي كما يلي.

أيام كمية المبيعات الفرق من متوسط ​​المبيعات الفرق في القيمة المطلقة
1 42 7 7
2 30 -5 5
3 24 -11 11
4 35 0 0
5 43 8 8
6 38 3 3
7 34 -1 1
8 29 -6 6
9 44 9 9
10 21 -14 14
11 33 -2 2
12 42 7 7
13 46 11 11
14 31 -4 4
15 37 2 2
16 31 -4 4
17 44 9 9
18 36 1 1
19 41 6 6
20 27 -8 8
Average 35 0 6

 

شهدنا ذروة 46 مبيعات وأدنى مستوى في 21 ، بمتوسط ​​35 (مستدير). تختلف النتائج الفعلية لحجم المبيعات على نطاق واسع من المتوسط ​​، لكنها متوسط ​​الصفر بسبب الإزاحة الإيجابية والسلبية.

نريد أن نأخذ الوسط المطلق للفرق ، ويسمى هذا العدد أيضًا انحراف Meadabsolutely (MAD) ، ومتوسطه الشهري هو 6.

من وجهة نظر إحصائية ، يجب أن نستخدم الانحراف المعياري ، وهو أكثر صرامة. بعد حساب بسيط في Excel ، يمكننا الحصول على سلسلة من نتائج التحليل حول مبيعات هذا الشهر.

الأعلى 46
الحد الأدنى 21
Average 35
الانحراف المعياري 7.1
معامل الاختلاف 0.2

 

معامل التباين (CV) هو الانحراف المعياري مقسوما على الوسط ، والنتيجة هي 0.2. من وجهة نظر إحصائية ، مبيعات هذا الشهر مستقرة للغاية.

من منظور يومي ، فإن الحد الأقصى للفرق المطلق بين المبيعات اليومية ومتوسط ​​القيمة هو 14 ، وهو ما يقسم 40 ٪ على متوسط ​​قيمة 35 ، وهو حجم الانحراف.

عندما يتم تلخيص انحرافات هذه الأيام العشرين ، فإن متوسط ​​الفرق في القيمة المطلقة هو 6 ، وهو مقسوم بنسبة 17 ٪ على 35 ، وهو أمر أكثر استقرارًا من 40 ٪. وذلك لأن حجم المبيعات مرتفع ومنخفض ، ويتم حساب الإحصائيات في مجموعات من 20 يومًا. الفرق في المبيعات أعلاه وأقل من المتوسط ​​هو إلغاء بعضها البعض ، وبالتالي فإن العرض العام أكثر استقرارًا.

من الصعب على Zhang San تخزين فقط من خلال النظر إلى بيانات المبيعات اليومية ، لأن المبيعات اليومية تتقلب بشكل كبير ، ولكن الطلب الشهري مستقر نسبيًا ، مما قد يوفر تعليمات أكثر دقة للتخزين.

2. لماذا التجميع يمكن أن يجعل المتغيرات العشوائية أكثر استقرارا؟

بعد ذلك ، سوف ننظر في سبب تجميع المتغيرات العشوائية أكثر استقرارًا من النظرية الإحصائية.

معامل التباين هو إحصاء موجز يقيس التشتت وغالبًا ما يستخدم لمقارنة العناصر المختلفة ، مثل احتياجتين أو منتجات مختلفة. يمكننا مقارنة معاملات الاختلاف الخاصة بهم لمعرفة مدى تشابه أو اختلاف خصائصها.

لقد رأينا من قبل أنه إذا كان هناك ستوكاستيك لمدة شهر واحد ، فهو مبلغ 20 من العشوائية اليومية. لذلك لدينا متغير عشوائي شهري ، و 20 متغيرًا عشوائيًا يوميًا DI.

على افتراض أن DI مستقلة وكل التوزيع نفسه ، فإنها تنتمي إلى التوزيع الطبيعي. لدينا توزيع طبيعي مع متوسط ​​µ والانحراف المعياري σ.

وإذا كان المتغير العشوائي للمبيعات الشهرية يطيع أيضًا التوزيع العادي ، أي أن التوزيعات اليومية والشهرية هي نفسها ، فسنحتاج إلى إنشاء علاقة تحويل بين هذين المقاييس الزمنية.

متوسط ​​اليومية الشهري µ20 * الانحراف المعياري σ√20 * σ

انظر أولاً إلى المتوسط ​​، لأن عدد أيام العمل في الشهر هو 20 يومًا ، وبالتالي فإن شهرًا يساوي 20 يومًا ، يمكننا أن نضاعف المتوسط ​​اليومي بشكل مباشر بمقدار 20 ، والانتظار حتى المتوسط ​​الشهري ، وهو أمر أسهل في الفهم.

لا يتم حساب الانحراف المعياري بهذه الطريقة. وفقًا للصيغة ، يلزم مربع حجم العينة ، وهو √20. الانحراف المعياري الشهري هو √20 مرات σ.

معامل التباين اليومي هو σ/µ ، وهو: 1*(σ/µ) ، والاختلاف الشهري هو: (√20*σ) /20*µ=0.22* (σ/µ).

من الواضح أن المعامل الشهري لتباين 0.22 أقل من اليومية 1. وهذا دليل رياضي على أنه بعد تجميع الطلب ، يكون التقلب الشهري أقل من اليومية ، مما سيساعدنا على صياغة استراتيجيات سلسلة التوريد ذات الصلة.

 

3. سيناريوهات الاستخدام

3.1 استراتيجية التأخير

تقسم استراتيجية التأخير في سلسلة التوريد عملية إنتاج المنتج إلى مرحلة تعميم ومرحلة تمايز. تنتج المؤسسات مكونات مشتركة أولاً ، وتؤخر عملية تصنيع تمايز المنتجات قدر الإمكان.

لم يتم إكمال الإنتاج المتمايز للمنتج حتى يطلب المستخدم النهائي مظهر أو وظيفة المنتج. على سبيل المثال ، بالنسبة لحليب الصويا في متجر الإفطار ، فإن المنتج في مرحلة التعميم للمنتج هو عصير حليب الصويا الأصلي ، والمنتج المتمايز هو الحليب الحلو والمالح الذي تمت معالجته على أساس العصير الأصلي.

إن تقلب الطلب لمنتج واحد هو بالتأكيد أكبر من جميع المنتجات ، لذلك يجب على مطاعم الإفطار تجميع الطلب على جميع منتجات Soymilk لجعل التنبؤات بدقة أعلى من أي منتج واحد.

نستخدم أيضًا هذا النهج عند التنبؤ بالطلب على السلع الأخرى ، لأن الطلب على السلع الفردية سيختلف ، لكن هذه الاختلافات ستؤدي إلى إلغاء بعضها البعض ، مما يجعل التوقعات الإجمالية أكثر دقة.

 

3.2 إعدادات المخزون

تستخدم بعض شركات التجارة الإلكترونية الطازجة نموذج المستودع الأمامي لخدمة المجتمع على بعد بضعة كيلومترات حول المستودع.

سيكون الانحراف في تخزين مستودع أمامي واحد مرتفعًا نسبيًا. إذا نجمع بين متطلبات العديد من المستودعات الأمامية ، استخدم مستودعًا عامًا إقليميًا لتغطية احتياجات هذه المستودعات الأمامية ، وتوزيع من المستودع العام على المستودعات الأمامية ، يمكننا تحسين تكاليف المخزون الإجمالية ومعدلات التوصيل في الوقت المحدد.

الموقف الكلي يجمع الطلب من كل موقف أمامي ويبطئ التقلب.

 

3.3 القدرة الإنتاجية

عندما نقوم بتخطيط الإنتاج ، نخطط عمومًا لسعة خط الإنتاج ، على سبيل المثال ، يمكن إنتاج ثلاثة أنواع من المنتجات A و B و C على هذا الخط. قد لا أكون قادرًا على تحديد العدد المحدد لإنتاج A و B و C ، لأن الموقف الفعلي سيتغير دائمًا ، وأحيانًا يكون هناك نقص في المواد ، لا يمكن أن ينتج فقط A ، لا يمكن أن يفعل B أو C.

لذلك عندما نخطط لقدرة خط الإنتاج الكامل ، غالبًا ما نجمع جميع القدرات. في اجتماع التنسيق الشهري للإنتاج والتنسيق ، قد نواجه صعوبة في اتخاذ قرار بشأن الكمية المحددة التي يتعين إنتاجها ، ولكن بدلاً من ذلك نخطط للإنتاج الإجمالي لخط الإنتاج. مما سبق ، نعلم أن القيام بذلك سيكون أكثر دقة وأقل تقلبًا.

في عملية الإنتاج الفعلية للمنتجات ، ستحدث مواقف غير متوقعة حتماً ، بعضها مكتمل الإفراط في الانتهاء ، والبعض الآخر غير مستهدف ، لكن يمكنهم بالفعل تعويض بعضهم البعض لتحقيق هدفنا العام.

خلاصة القول ، تعتبر تجميع Baichuan Juhai استراتيجية عملية في سلسلة التوريد العملية للغاية ، والتي يمكن أن تخفف بشكل فعال من التقلبات المختلفة. تتضمن الأبعاد المجمعة الوقت والكمية ، والتي تحتاج إلى تطبيقها بمرونة وفقًا للوضع.

 


اترك تعليقا

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.